《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)
基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)
《信息技術(shù)與網(wǎng)絡(luò)安全》2020年第7期
趙傳鑫
中國人民公安大學(xué) 國家安全與反恐怖學(xué)院,北京100038
摘要: 為有效提升公安部門在實(shí)踐工作中的犯罪預(yù)測(cè)能力,提出基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)方法。該方法采用了時(shí)空分析可視化技術(shù)和DBSCAN算法,對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行分析。首先,對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析;然后,利用DBSCAN算法構(gòu)建犯罪預(yù)測(cè)模型,并進(jìn)行可視化處理;最后,通過對(duì)不同類型犯罪進(jìn)行分析,預(yù)測(cè)犯罪熱點(diǎn),識(shí)別犯罪模式。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的經(jīng)驗(yàn)預(yù)測(cè)相比,該方法具有更好的預(yù)測(cè)效果,為公安機(jī)關(guān)打擊犯罪和優(yōu)化警力配置提供了決策依據(jù)。
中圖分類號(hào): TP309
文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2020.07.013
引用格式: 趙傳鑫. 基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)[J].信息技術(shù)與網(wǎng)絡(luò)安全,2020,39(7):72-77.

Crime prediction in area A based on DBSCAN clustering
Zhao Chuanxin
School of National Security and Counter Terrorism,People′s Public Security University of China,Beijing 100038,China
Abstract: In order to effectively improve the crime prediction ability of the public security department in practical work, this paper proposed a crime prediction method in area A based on DBSCAN algorithm. This method used the spatio-temporal analysis visualization technology and DBSCAN algorithm to analyze the crime data in area A. Firstly, this method conducted descriptive statistical analysis of the crime data in Area A; then, it used the DBSCAN algorithm to build a crime prediction model and visualized it; finally, it predicted the hot spots of crime and identify crime patterns by analyzing different types of crime. The results show that compared with traditional empirical prediction, this method has a better prediction effect and provides a decision basis for public security organs to fight crime and optimize police force allocation.
Key words : DBSCAN;clustering analysis;crime prediction

犯罪作為當(dāng)今世界普遍存在的社會(huì)問題,對(duì)經(jīng)濟(jì)的發(fā)展和人們的生活有著重大的影響,因此預(yù)防犯罪是世界各國警察機(jī)構(gòu)共同的目標(biāo)。預(yù)測(cè)是預(yù)警預(yù)防的前提和首要環(huán)節(jié),研究預(yù)防犯罪問題離不開犯罪預(yù)測(cè)。根據(jù)2018年全國公安機(jī)關(guān)統(tǒng)計(jì)的犯罪數(shù)據(jù),從犯罪類型結(jié)構(gòu)上來看,傳統(tǒng)犯罪呈下降趨勢(shì),但互聯(lián)網(wǎng)相關(guān)的犯罪不斷增加,新興行業(yè)領(lǐng)域犯罪活動(dòng)較為活躍,非法集資、“食藥環(huán)”犯罪、未成年人暴力犯罪等受到社會(huì)高度關(guān)注,黑惡勢(shì)力犯罪、毒品犯罪出現(xiàn)了新特點(diǎn)??傮w來看,盜搶騙、黃賭毒和經(jīng)濟(jì)犯罪成為當(dāng)前的主要犯罪問題,重點(diǎn)打擊此類犯罪,才能維護(hù)社會(huì)穩(wěn)定和保障人民的安全感。通過準(zhǔn)確實(shí)時(shí)的犯罪預(yù)測(cè),可以幫助公安機(jī)關(guān)優(yōu)化警力部署、提前制定預(yù)案,從而降低犯罪率。犯罪預(yù)測(cè)的過程包括數(shù)據(jù)的收集、模型的建立和對(duì)犯罪模式的識(shí)別。這不僅有助于公安機(jī)關(guān)判斷犯罪熱點(diǎn)地區(qū),還可以發(fā)現(xiàn)犯罪高風(fēng)險(xiǎn)人員和易害群體。

犯罪是可以預(yù)測(cè)的?!睹绹y(tǒng)計(jì)學(xué)會(huì)會(huì)刊》上有文章提出,“最初的犯罪就像初震,接下來的犯罪就好比余震”。把握犯罪的兩個(gè)杠桿即犯罪成因和犯罪規(guī)律,就可以推出預(yù)測(cè)趨勢(shì),犯罪成因是犯罪運(yùn)行的動(dòng)力,犯罪規(guī)律是犯罪運(yùn)行的規(guī)則,動(dòng)力和規(guī)則確定了運(yùn)行的方向。如果分析人員不是簡單地對(duì)犯罪數(shù)據(jù)進(jìn)行歸納總結(jié),而是挖掘出海量犯罪數(shù)據(jù)背后的犯罪成因和犯罪規(guī)律,那么就可以準(zhǔn)確地評(píng)估犯罪趨勢(shì)并采取有力的措施。根據(jù)犯罪學(xué)相關(guān)理論,在一定區(qū)域中,犯罪地點(diǎn)并不是隨機(jī)分布的,而是呈現(xiàn)出一些集中點(diǎn),即“熱點(diǎn)地區(qū)”。掌握這些熱點(diǎn)地區(qū)可能發(fā)生的犯罪類型,對(duì)于公安機(jī)關(guān)的決策部署具有重要的參考價(jià)值。此外,根據(jù)鄰近重復(fù)效應(yīng),當(dāng)一個(gè)盜竊犯在一個(gè)地點(diǎn)成功實(shí)施犯罪之后,他往往會(huì)在一周后再次潛入同一對(duì)象或者鄰近對(duì)象家中作案,他的犯罪半徑一般是在2公里以內(nèi)[5]。案發(fā)地點(diǎn)附近的同類案件發(fā)生的概率較高,這同時(shí)給犯罪預(yù)測(cè)提供了理論支撐。

基于以上幾點(diǎn),本文提出一種基于DBSCAN算法的犯罪預(yù)測(cè)模型,該模型在MATLAB中構(gòu)建,對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行密度聚類,可以獲得較為客觀的結(jié)果。該實(shí)驗(yàn)遵循數(shù)據(jù)分析中的步驟,包括數(shù)據(jù)收集與預(yù)處理、數(shù)據(jù)可視化和構(gòu)建犯罪預(yù)測(cè)模型。在數(shù)據(jù)采集與預(yù)處理階段,數(shù)據(jù)來自于A區(qū)公安局提供的犯罪數(shù)據(jù),并進(jìn)行了脫敏處理。數(shù)據(jù)可視化階段生成了三維的犯罪時(shí)空分布圖。最后,在構(gòu)建模型階段,本文對(duì)犯罪類型、犯罪時(shí)間、經(jīng)度、緯度進(jìn)行密度聚類分析,對(duì)警方的警力部署和決策執(zhí)行具有參考價(jià)值。


本文詳細(xì)內(nèi)容請(qǐng)下載http://ihrv.cn/resource/share/2000003237

作者信息:

趙傳鑫

(中國人民公安大學(xué) 國家安全與反恐怖學(xué)院,北京100038)

 


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。